Задача оптимізації стану пацієнтів із вродженими вадами серця у віддаленому післяопераційному періоді полягає в знаходженні певної стратегії лікування, яка надає найкращий результат, враховуючи у цьому випадку початковий стан пацієнта. Проте, вхідних змінних для даного типу задачі може бути занадто багато, що значно підвищує ризик погіршення результатів. Описано процес аналізу алгоритмів відбору ознак, які виступають в ролі показників пацієнтів із вродженими вадами серця, застосування механізму даних алгоритмів для зменшення розмірності (кількості) вхідних ознак, і використання обраних ознак для прогнозування показників стану пацієнтів у віддаленому періоді. Мета дослідження - знаходження оптимального складу показників, який зберігав би якомога більше інформативності для прогнозування показників стану пацієнтів. Серед проаналізованих алгоритмів відбору ознак обрано метод кореляційного відбору ознак. Як вихідна змінна виступала функція адитивної згортки показників стану, яку отримано за рахунок методу багатокритеріального прийняття рішень, а саме - методу Best-Worst. Для прогнозування показників стану пацієнтів запропоновано 5 алгоритмів класифікації: логістична регресія, лінійний дискримінантний аналіз, випадковий ліс, покроковий змішаний алгоритм методу групового врахування аргументів, і метод групового врахування аргументів із використанням нейронів. Перед їх застосуванням, загальну вибірку було розбито на навчальну, яка складала 80 %, і тестову, що склала відповідно 12 %. Перші 3 алгоритми були запрограмовані мовою Python, а інші були розраховані в програмному забезпеченні GMDH Shell DS. В середньому алгоритми видають 78,4 % точності на тесті. Отримані результати будуть використані для покращання єдиного алгоритму оптимізації стану пацієнтів, який отримано в попередніх дослідженнях, і включає в себе генетичний алгоритм і метод аналізу ієрархій.

Генетичний алгоритм є перевіреним механізмом у вирішенні задачі оптимізації. Будучи евристичним алгоритм, він надає можливість прискорити рішення задачі завдяки використанню принципів біологічної еволюції. Недавно даний алгоритм був запропонований як спосіб знаходження індивідуалізованої стратегії лікування, де необхідно оптимізувати стан пацієнтів у віддаленому періоді, перебираючи різні комбінації лікування. У ході дослідження як оптимізувальну функцію використано функцію адитивної згортки показників стану пацієнта у віддаленому періоді, отриману за допомогою методу аналізу ієрархій Сааті, який є одним із методів багатокритеріального прийняття рішень. Хоча генетичний алгоритм у поставленій задачі проявив себе непогано, слід відмітити, що були встановлені стандартні параметри алгоритму. Враховуючи, що параметрів немала кількість, поставлено задачу знайти оптимальні параметри для алгоритму. Це в першу чергу необхідно для тих, хто в майбутньому буде використовувати алгоритм у безпосередній роботі, а саме для лікарів, коли їм потрібно буде призначити лікування пацієнтові. Описано аналіз різних параметрів генетичного алгоритму та їх використання в експериментальних запусках алгоритму для пошуку індивідуалізованої стратегії лікування. Відібрано оптимальні підмножини вхідних параметрів пацієнта, використовуючи критерій кореляційного відбору ознак. Відібрані параметрі були необхідні для моделювання показників пацієнтів після лікування. Моделювання виконано за допомогою випадкового лісу класифікації, попередньо розбивши загальну вибірку на навчальну (80 %) і тестову (20 %). Для дослідження використано дві різні бази даних хворих із вродженими вадами серця, таким чином це надає можливість оптимальним параметрам бути більш надійними, щоб їх можна було надалі використати. Це все за підсумком надало можливість знайти параметри, які насамперед будуть виключно рекомендованими для лікарів перед використанням алгоритму.